■ 앙상블 러닝 (Ensemble Learning) 주어진 자료에서 여러 개의 예측모델을 학습한 다음, 하나의 최종 예측모델을 사용하여 정확도를 높이는 기법 모형은 복잡하여 설명이 어렵지만, 성능이 높다. ■ 앙상블 러닝의 종류 ▶ 보팅 (Voting) - 동일 데이터셋에 대해 여러 개의 분류기(Model)를 사용하여 학습을 진행 * Hard Voting : 다수결 투표를 따라감 * Soft Voting : 각 레이블의 예측 확률의 평균으로 최종 분류를 진행 (레이블 0 예측확률 평균:0.54, 레이블 1 예측확률 평균:0.46) ▶ 배깅 (Bagging) - 하나의 모델을 다양하게 학습 (Bootstrap + Aggregating => Bagging) - Bootstrap은 복원 랜덤 샘플링 방식으로 ..
